Modelo dual para a detección temperá de anomalías.


Modelo dual baseado na aprendizaxe máquina para a detección temperá de anomalías.

Estado de protección da tecnoloxía

Presentouse unha solicitude de rexistro de software.

Que buscamos?

Búscanse empresas interesadas na licenza desta tecnoloxía.

Descrición

Esta tecnoloxía baséase en dous modelos independentes de aprendizaxe máquina: un para a detección de anomalías e outro para a detección de casos normais. Así mesmo, considera o tempo como un factor relevante á hora de detectar unha posible anomalía, de tal forma que unha detección tardía, malia que correcta, se xulga errónea

O sistema proporcionará estas tres posibles saídas para unha observación: normal, anomalía ou demorar. No caso de demorar, será necesario proporcionarlle máis información para obter unha saída definitiva (normal ou anomalía).

Valores engadidos

Este modelo desenvolveuse inicialmente para a detección temperá de casos de depresión con base en publicacións en redes sociais, e mellorou os resultados do estado da arte tendo en conta na avaliación tanto a corrección da detección como o tempo empregado en tal detección.

En xeral, consideramos que este método pode ser de interese para calquera contorno ou aplicación en que o tempo se considere un factor decisivo á hora de detectar potenciais anomalías. A detección temperá dunha anomalía permite anticipar e afrontar de maneira máis áxil as posibles repercusións negativas no sistema, co conseguinte aforro.

Aplicacións por sector

Esta tecnoloxía considérase transversal e de potencial aplicación en case calquera sector en que se busque a detección de anomalías, sempre que o tempo requirido por esa detección sexa considerado un factor crítico.


Acuicultura e pesca
Agricultura e silvicultura
Alimentación
Construción e enxeñaría civil
Cultura e educación
Economía e finanzas
educacion
Enerxía e desenvolvemento sostible
Gandaría e veterinaria
industria da refrixeración
Medio ambiente
Produción industrial
Saúde e benestar
Sector naval
Servizos públicos
Tecnoloxías da auga
TIC

Grupo de investigación

    • telematica

Responsable

  • Fidel Cacheda Seijo
  • Diego Fernández Iglesias
  • Francisco Javier Nóvoa de Manuel
  • Víctor Manuel Carneiro Díaz
  • Manuel Fernández López-Vizcaíno
  • Laura Victoria Vigoya Morales

Contacta con nós

Última actualización

2021-12-13